是的，您可以使用 HMM 拟合任何时间序列（有或没有外部变量），但有一些限制：

1. 它应该遵循马尔可夫属性。
2. 有一些其他模型无法捕捉到的差异（换句话说，系统是部分可观察的）。

再加上第 1 点，对于 HMM，它应该成立，但是Baum Welch 算法的工作方式间接地考虑了比 HMM（order-1）的先前状态更多的值。国家$t-1$ 依赖于取决于$t-2$，这又取决于$t-3$. 参数（转换、发射、开始概率）的计算发生在多次迭代中，它以保持马尔可夫属性为真的方式找到参数。

我认为，当他们说“任何”时，他们的意思是即使您没有预测未来价值所需的所有变量。

HMM 可用于对由离散标记组成的序列数据进行建模，它通常应遵循马尔可夫属性，即假设给定观察的类/标签的概率仅取决于前面的类/标签（而不是在一些更长的序列上）。